Introducción al paradigma de la inteligencia computacional José Edinson Aedo Cobo

34
Introducción al paradigma de la inteligencia computacional José Edinson Aedo Cobo Depto. de Ing. Electrónica. E-mail: [email protected]

description

Introducción al paradigma de la inteligencia computacional José Edinson Aedo Cobo Depto. de Ing. Electrónica. E-mail: [email protected]. Introducción. - PowerPoint PPT Presentation

Transcript of Introducción al paradigma de la inteligencia computacional José Edinson Aedo Cobo

Page 1: Introducción al paradigma de la inteligencia computacional José Edinson Aedo Cobo

Introducción al paradigma de la inteligencia computacional

José Edinson Aedo CoboDepto. de Ing. Electrónica.E-mail: [email protected]

Page 2: Introducción al paradigma de la inteligencia computacional José Edinson Aedo Cobo

Introducción

“Un sistema inteligente” sería aquel que posee una habilidad parecida al ser humano para resolver problemas dentro de un dominio específico, tiene capacidad para adaptarse, aprender en un ambiente cambiante y explicar como se toman las decisiones ( o acciones).

En el último siglo ha existido un interés creciente por laconstrucción de máquinas inteligentes.

• 1947, Se definió la Cibernética ( Norbert Wiener)“un estudio unificado del control y de la

comunicación en los animales y las máquinas”.

Page 3: Introducción al paradigma de la inteligencia computacional José Edinson Aedo Cobo

Introducción

• 1947, Se definió la Cibernética ( Norbert Wiener)“un estudio unificado del control y de la

comunicación en los animales y las máquinas”.

• La época de la cibernética coincide con el desarrollo de varios paradigmas:

- Evolución de los computadores analógicos a digitales. - Teoría formal de la computación ( Alan Turing). - Computadora basada en lógica digital: John Von Neumann - Primeros modelos del neuron: McCulloch-Pitts (1943), perceptron (1957) - La inteligencia artificial (IA), 1960, John McCarthy

Page 4: Introducción al paradigma de la inteligencia computacional José Edinson Aedo Cobo

Introducción

Inteligencia Artificial:

“Buscaban definir los métodos algoritmos capaces de hacer pensar a los computadores”

Hubo una gran efervescencia en la década del 60, debidoA los resultados se pensaba que “conseguiría construir máquinas realmente inteligentes”.

Hubo un declive de las otras áreas: la cibernética y la redes neuronales.

Page 5: Introducción al paradigma de la inteligencia computacional José Edinson Aedo Cobo

Introducción

1969, Marvin Minsky, mostró mediante un estudio riguroso formal, limitaciones en los perceptrones para resolver algunos problemas. Esto causó una perdida de confianza enel área de redes neuronales.

La Inteligencia Artificial:

El ser humano utiliza el lenguaje como medio para razonar ysacar conclusiones.

La IA busca de imitar el comportamiento inteligente, tratando de expresarlo en formas de lenguaje o reglas Simbólicas”

Page 6: Introducción al paradigma de la inteligencia computacional José Edinson Aedo Cobo

Introducción

La Inteligencia Artificial:

“La IA manipula simbolos basandose en la suposición que elComportamiento inteligente puede ser almacenado en basesde conocimiento estructuradas simbólicamente”.

El mayor desarrollo de la IA son los sistemas expertos oSistemas basados en conocimiento:

“Son complejos programas (software) en los que se codificael conocimiento de expertos en una materia muy concreta enforma de reglas de decisión”.- La IA se sustenta en el binomio: lógica boolena-máquina deVon Neumann.

Page 7: Introducción al paradigma de la inteligencia computacional José Edinson Aedo Cobo

Adquisición deConocimiento

Inte

rfac

e de

Usu

ario

Facilidad deExplicación

Máquina deInferencia

Base de DatosGlobal

ComputadorHost

etc...

KB HechosReglas

Ingeniero deConocimiento

HumanoExperto

Pregunta

Respuesta

Usuario(Novato)

Estructura de un sistema experto

Page 8: Introducción al paradigma de la inteligencia computacional José Edinson Aedo Cobo

Introducción

Algunas definiciones de IA:

•“AI is the study of agents that exist in an evironment and perceive and act”. (Russell, Norvig, artificial Intelligence: a Modern approach, 1995).

• “Is the art of making computer do smart things”. (Waldrop,87).

• “AI is a programming style, where programs operate on data according to rules in order to accomplish goals” (Tylor, 88).

Page 9: Introducción al paradigma de la inteligencia computacional José Edinson Aedo Cobo

Introducción

Algunas definiciones de IA:

• “AI is the acitivitiy of providing such machines as computers with the ability to display behavior that would be regarded as intelligent if were observed in humans”, (R. McLeod, 79).

La inteligencia computacional (soft computing) tiene Objetivos similares a la IA, pero ha puesto más énfasisen metodologías inspiradas biológicamente: modelado delCerebro, algoritmos evolutivos, lógica difusa).

Page 10: Introducción al paradigma de la inteligencia computacional José Edinson Aedo Cobo

Introducción

El curso tendrá tres componentes formales:

• Algoritmos genéticos.• Las redes neuronales.• Sistemas difusos

Page 11: Introducción al paradigma de la inteligencia computacional José Edinson Aedo Cobo

Introducción a los algoritmos genéticos

Evolutionary algorithms are stochastic search methods that mimic the metaphor of natural biological evolution

Page 12: Introducción al paradigma de la inteligencia computacional José Edinson Aedo Cobo

Introducción a los algoritmos genéticos

Page 13: Introducción al paradigma de la inteligencia computacional José Edinson Aedo Cobo

Introducción a la redes neuronales

Desde le punto de vista físico en el cerebro el procesamiento de la información se efectúa a través de la auto-organización de millones de procesadores elementales.

Estudiaremos en este módulo:

• La estructura de la neurona biológica básica.• Los modelos de las neuronas artificiales simples.• Arquitecturas en red (de neuronas).• Aplicaciones prácticas de las redes neuronales.

Page 14: Introducción al paradigma de la inteligencia computacional José Edinson Aedo Cobo

Introducción a la redes neuronales

.

Velocidad de procesa. 10-2s (100hz) 3 Ghz

Estilo de procesamiento paralelo Secuencial

No. Procesadores 1011-1012 pocos

Conexiones 10.000/proce. pocas

Tolerancia a fallas Amplia nula

Alma. del conocimiento distribuido Centralizado

Tipo de control Auto-organizado centralizado

Cerebro Computador

Page 15: Introducción al paradigma de la inteligencia computacional José Edinson Aedo Cobo

Introducción a la redes neuronales

La estructura de la neurona biológica básica

Soma: 10-80 micrómetros. Axón: 100 micras – a metros (“nervios”)

axóndendritas

soma

Page 16: Introducción al paradigma de la inteligencia computacional José Edinson Aedo Cobo

Introducción a la redes neuronales

Tipos de neuronas:

• Interneuronas, envían información a otras neuronas.

• Motoras: entregan la información directamente a los músculos.

• Receptoras o sensoras: reciben la información directamente del medio externo.

Page 17: Introducción al paradigma de la inteligencia computacional José Edinson Aedo Cobo

Introducción a la redes neuronales

Transmisión de la información nerviosa:

• El potencial en la soma se controla por concentraciones de iones tales como: Na+, K+, Ca2+ y P2-

• El voltaje de reposo de la neurona es de aprox. 60 mV.

• La soma integras (suma) las excitaciones que entran por las dendritas.

• Cuando pasa el umbral de -40 mV se genera el potencial de acción.

• típicamente la frecuencia de disparo oscila entre 1-100P/s

Page 18: Introducción al paradigma de la inteligencia computacional José Edinson Aedo Cobo

Introducción a la redes neuronales

Estructura de una rede neuronal:

• Imitan la estructura de las rede neuronales biológicas.

• Es un sistema que procesa la información de forma paralela, distribuida y es adaptativo.

• Son redundante y tolerantes a fallas.

Page 19: Introducción al paradigma de la inteligencia computacional José Edinson Aedo Cobo

Introducción a la redes neuronales

Estructura de una rede neuronal:

Un sistema neuronal o conexionista (Rumelhart y J. L. McClelland) está compuesto por los siguientes elementos:

• Una arquitectura ( un patrón de conectividad).• Un conjunto de procesadores elementales (neuronas).• Una dinámica de activaciones.• Una dinámica de aprendizaje (regla de aprendizaje).• Un entorno en el cual opera.

Page 20: Introducción al paradigma de la inteligencia computacional José Edinson Aedo Cobo

Introducción

Los sistemas difusos son utilizado en muchos campos de la ingeniería. Hacen del parte del área se que se ha denominado softcomputing.

Lotfi A. Zadeh (1992):

“Soft computing is an emerging approach to computing which parallels the remarkable ability of the human mind to reason and learn in an environment of uncertainty and imprecision”.

Introducción a los sistemas difusos

Page 21: Introducción al paradigma de la inteligencia computacional José Edinson Aedo Cobo

Inteligencia computacional:

Softcomputing cubre en algunos paradigmas recientes:

- Redes neuronales. - Lógica difusa y sistemas basados en razonamiento difuso. - Técnicas de optimización basadas en algoritmos genéticos y re-cocimiento simulado.

Introducción a los sistemas difusos

Page 22: Introducción al paradigma de la inteligencia computacional José Edinson Aedo Cobo

Los sistemas difusos:

Han sido desarrolladas buscando modelar la forma

como el cerebro manipula información imprecisa.

La redes neuronales:

Son modeladas a partir de la arquitectura física del

cerebro.

Introducción a los sistemas difusos

Page 23: Introducción al paradigma de la inteligencia computacional José Edinson Aedo Cobo

Los sistemas difusos y las redes neuronales: • Estimadores libres de modelos.• Sistemas dinámicos.• Ambos tienen la capacidad de modelar procesos no lineales complejos con un grado arbitrario de exactitud.• Son tecnologías complementarias:­ Sistemas difusos con habilidades de aprendizaje.- Redes neuronales con una estructura determinada por la forma y el proceso de razonamiento propio de las reglas difusas “If-then”.

Introducción a los sistemas difusos

Page 24: Introducción al paradigma de la inteligencia computacional José Edinson Aedo Cobo

Los sistemas difusos y las redes neuronales Redes neuronales:

• Realizan un mapeo no lineal de entrada-salida.• Poseen la capacidad de generalización.• Tienen la propiedad de la “adaptabilidad”.• Son tolerantes a fallas.• Tienen habilidad de aprendizaje.

Introducción a los sistemas difusos

Page 25: Introducción al paradigma de la inteligencia computacional José Edinson Aedo Cobo

La fusión de las dos tecnologías produce sistemas con

diferentes características:

• Sistemas neurodifusos: Sistemas difusos provistos de

métodos de sintonía propios de las redes neuronales

pero sin alterar su funcionalidad.

• Redes neuronales difusas: Conservan las propiedades

y

la arquitectura de las redes neuronales y

simplemente

se “fuzifican” algunos de sus elementos.

Introducción a los sistemas difusos

Page 26: Introducción al paradigma de la inteligencia computacional José Edinson Aedo Cobo

Algoritmos Genéticos

“The GA is a stochastic global search method that mimics the metaphor of naturalbiological evolution. GAs operate on a population of potential solutions applyingthe principle of survival of the fittest to produce (hopefully) better and betterapproximations to a solution”

Page 27: Introducción al paradigma de la inteligencia computacional José Edinson Aedo Cobo

Algoritmos Genéticos

Individuals, or current approximations, are encoded as strings, chromosomes,composed over some alphabet(s), so that the genotypes (chromosome values) areuniquely mapped onto the decision variable (phenotypic) domain. The most commonly used representation in GAs is the binary alphabet {0, 1}

Page 28: Introducción al paradigma de la inteligencia computacional José Edinson Aedo Cobo

Algoritmos Genéticos

For example, a problem with two variables, x1 and x2, may be mapped onto the chromosome structure in the following way:

Page 29: Introducción al paradigma de la inteligencia computacional José Edinson Aedo Cobo

Algoritmos Genéticos

Having decoded the chromosome representation into the decision variable domain, it is possible to assess the performance, or fitness, of individual members of a population. This is done through an objective function that characterises an individual’s performance in the problem domain.

In the natural world this would be an individual’s ability to survive in its present environment.

Page 30: Introducción al paradigma de la inteligencia computacional José Edinson Aedo Cobo

Algoritmos Genéticos

Once the individuals have been assigned a fitness value, they can be chosen from the population, with a probability according to their relative fitness, and recombined to produce the next generation..

Genetic operators manipulate the characters (genes) of the chromosomes directly, using the assumption that certain individual’s gene codes, on average, produce fitter individuals.

Page 31: Introducción al paradigma de la inteligencia computacional José Edinson Aedo Cobo

Algoritmos Genéticos

The simplest recombination operator is that of single-point crossover. Consider the two parent binary strings:..

Consider the two parent binary strings:

Page 32: Introducción al paradigma de la inteligencia computacional José Edinson Aedo Cobo

Algoritmos Genéticos

If an integer position, i, is selected uniformly at random between 1 and the string length, l, minus one [1, l-1], and the genetic information exchanged between the individuals about this point, then two new offspring strings are produced. If the crossover point l = 5 is selected:

Page 33: Introducción al paradigma de la inteligencia computacional José Edinson Aedo Cobo

Algoritmos Genéticos

A further genetic operator, called mutation, is then applied to the new chromosomes, again with a set probability, Pm. Mutation causes the individualgenetic representation to be changed according to some probabilistic rule.Mutation will cause a single bit to change its state,0 1 or 1 0. So, for example, mutating the ⇒ ⇒fourth bit of O1 leads to the new string,

Page 34: Introducción al paradigma de la inteligencia computacional José Edinson Aedo Cobo

Algoritmos Genético básico.

P(t) es la población en el tiempo t